Estimação robusta para o modelo de regressão logística
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/66470 |
Resumo: | Desfechos dicotômicos são muito comuns em várias áreas do conhecimento, particularmente, na pesquisa clínica e epidemiológica. O modelo de regressão logística tem sido amplamente utilizado para identificar fatores associados com o desfecho, bem como para estimar associações por meio da medida de razão de chances. Quando existem preditores quantitativos, relativamente comuns em alguns contextos, são necessários cuidados adicionais na etapa de diagnóstico do modelo para minimizar potenciais vieses decorrentes de observações influentes usualmente associadas a observações com valores extremos nos preditores contínuos. O objetivo do trabalho é apresentar aspectos do diagnóstico do modelo de regressão logística, métodos robustos e procedimentos computacionais para o ajuste do modelo de regressão logística robusta, visando minimizar vieses nas estimativas de associação. A macro robust do programa SAS e as funções glmrob e glmRob do programa R incorporam estimadores robustos para regressão logística e são ferramentas úteis para minimizar o impacto de valores extremos nos preditores. A partir de exemplos, sintaxes SAS e R mostram, passo a passo, etapas para ajuste do modelo e interpretação dos resultados. |
id |
UFRGS-2_fa958fa34bd9538a69edd542363d8f91 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/66470 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Barbieri, Natália BordinVigo, Álvaro2013-02-15T01:41:16Z2012http://hdl.handle.net/10183/66470000871732Desfechos dicotômicos são muito comuns em várias áreas do conhecimento, particularmente, na pesquisa clínica e epidemiológica. O modelo de regressão logística tem sido amplamente utilizado para identificar fatores associados com o desfecho, bem como para estimar associações por meio da medida de razão de chances. Quando existem preditores quantitativos, relativamente comuns em alguns contextos, são necessários cuidados adicionais na etapa de diagnóstico do modelo para minimizar potenciais vieses decorrentes de observações influentes usualmente associadas a observações com valores extremos nos preditores contínuos. O objetivo do trabalho é apresentar aspectos do diagnóstico do modelo de regressão logística, métodos robustos e procedimentos computacionais para o ajuste do modelo de regressão logística robusta, visando minimizar vieses nas estimativas de associação. A macro robust do programa SAS e as funções glmrob e glmRob do programa R incorporam estimadores robustos para regressão logística e são ferramentas úteis para minimizar o impacto de valores extremos nos preditores. A partir de exemplos, sintaxes SAS e R mostram, passo a passo, etapas para ajuste do modelo e interpretação dos resultados.application/pdfporRegressão logísticaEstimadores robustosEstimação robusta para o modelo de regressão logísticainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática. Departamento de EstatísticaPorto Alegre, BR-RS2012Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000871732.pdf000871732.pdfTexto completoapplication/pdf805294http://www.lume.ufrgs.br/bitstream/10183/66470/1/000871732.pdf3c4eb70099963bde73b998f921a82feaMD51TEXT000871732.pdf.txt000871732.pdf.txtExtracted Texttext/plain77844http://www.lume.ufrgs.br/bitstream/10183/66470/2/000871732.pdf.txta81beade05f1e6f6e91f0f999892e28bMD52THUMBNAIL000871732.pdf.jpg000871732.pdf.jpgGenerated Thumbnailimage/jpeg1255http://www.lume.ufrgs.br/bitstream/10183/66470/3/000871732.pdf.jpg5445171575cad6c87b51e40f75a7c376MD5310183/664702018-10-17 07:43:16.603oai:www.lume.ufrgs.br:10183/66470Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-17T10:43:16Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Estimação robusta para o modelo de regressão logística |
title |
Estimação robusta para o modelo de regressão logística |
spellingShingle |
Estimação robusta para o modelo de regressão logística Barbieri, Natália Bordin Regressão logística Estimadores robustos |
title_short |
Estimação robusta para o modelo de regressão logística |
title_full |
Estimação robusta para o modelo de regressão logística |
title_fullStr |
Estimação robusta para o modelo de regressão logística |
title_full_unstemmed |
Estimação robusta para o modelo de regressão logística |
title_sort |
Estimação robusta para o modelo de regressão logística |
author |
Barbieri, Natália Bordin |
author_facet |
Barbieri, Natália Bordin |
author_role |
author |
dc.contributor.author.fl_str_mv |
Barbieri, Natália Bordin |
dc.contributor.advisor1.fl_str_mv |
Vigo, Álvaro |
contributor_str_mv |
Vigo, Álvaro |
dc.subject.por.fl_str_mv |
Regressão logística Estimadores robustos |
topic |
Regressão logística Estimadores robustos |
description |
Desfechos dicotômicos são muito comuns em várias áreas do conhecimento, particularmente, na pesquisa clínica e epidemiológica. O modelo de regressão logística tem sido amplamente utilizado para identificar fatores associados com o desfecho, bem como para estimar associações por meio da medida de razão de chances. Quando existem preditores quantitativos, relativamente comuns em alguns contextos, são necessários cuidados adicionais na etapa de diagnóstico do modelo para minimizar potenciais vieses decorrentes de observações influentes usualmente associadas a observações com valores extremos nos preditores contínuos. O objetivo do trabalho é apresentar aspectos do diagnóstico do modelo de regressão logística, métodos robustos e procedimentos computacionais para o ajuste do modelo de regressão logística robusta, visando minimizar vieses nas estimativas de associação. A macro robust do programa SAS e as funções glmrob e glmRob do programa R incorporam estimadores robustos para regressão logística e são ferramentas úteis para minimizar o impacto de valores extremos nos preditores. A partir de exemplos, sintaxes SAS e R mostram, passo a passo, etapas para ajuste do modelo e interpretação dos resultados. |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012 |
dc.date.accessioned.fl_str_mv |
2013-02-15T01:41:16Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/66470 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000871732 |
url |
http://hdl.handle.net/10183/66470 |
identifier_str_mv |
000871732 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/66470/1/000871732.pdf http://www.lume.ufrgs.br/bitstream/10183/66470/2/000871732.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/66470/3/000871732.pdf.jpg |
bitstream.checksum.fl_str_mv |
3c4eb70099963bde73b998f921a82fea a81beade05f1e6f6e91f0f999892e28b 5445171575cad6c87b51e40f75a7c376 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224438089252864 |